AI会写代码后,什么样的人反而更值钱

作者 Aaron Brethorst 的核心论点，一句话就能说清:agentic AI 把软件开发的瓶颈，从"写代码"挪到了"判断结果对不对"。而这两件事的价值，正在朝相反方向走。

一个被误解了很久的真相

作者点破了一件事:写软件最难的，从来不是"写"，而是先在脑子里建好这个行业的模型。在你能做出一个工资系统之前，你得先搞懂代扣、税前扣除、跨费率周期怎么算；在你能做出一个公交 app 之前，你得先弄明白"一辆准点的车为什么还可能是错的"。代码只是这套理解的誊写，获得理解本身才是真正的工作。

AI 切断了这两者的联系——你现在能产出软件，却不必先建立那套理解。这恰恰打破了整个行业过去赖以组织的一个假设。

AI 重新定价了两种能力

贬值的 把明确需求翻译成代码的"实现"能力。这曾经是工程师多年苦练的看家本领，现在 AI 让它变得又快又便宜。

升值的 知道"对的结果长什么样"的领域判断力。一个对了上千次工资单的会计，能一眼看出哪里不对——这种 tacit knowledge（默会知识），你 prompt 不出来，也没有哪个技能文件装得下。

最值钱 两者兼具的人:既验得了生成的代码是否可靠，也验得了它产出的答案是否为真。能在两个层面都说"我知道这是对的",这种人,是新世界里最稀缺的。

给从业者的务实判断

别只练手速。纯执行型技能在贬值，把力气从"更快地写"转到"更深地懂一个真实领域"上。做验收者。刻意培养"一眼看出结果对不对"的判断力——这是 AI 短期给不了的、会随它普及而更值钱的能力。扎进领域。宽泛的通用技能，不如在一个行业里沉淀多年的默会知识抗替代。

如果你也在想"AI 时代我该往哪使劲",把这篇转给同样在思考的人。关注虾米数码,我们聊技术,也聊技术里的人该怎么走。